BASH > Copier du texte d’un PDF

Parfois, le texte d’un PDF ressemble à ça :

 

    Cette phrase est cou-
pée en plusieurs césu-
res.

    Pour y remédier, nous
allons devoir avoir re-
cours à un script.

 

Et lorsqu’on le copie-colle, les tirets des césures sont également copiés :

 

Cette phrase est cou-
pée en plusieurs césu-
res.
Pour y remédier, nous
allons devoir avoir re-
cours à un script.

 

Alors que l’on veut le texte formaté de cette façon :

 

Cette phrase est coupée en plusieurs césures.

Pour y remédier, nous allons devoir avoir recours à un script.

LES ÉTAPES

Il faut placer des repères à la fin de chaque ligne comportant un tiret de césure :

 

sed 's/\([[:alpha:]]\)-$/\1@@@/' LeTexte
    Cette phrase est cou@@@
pée en plusieurs césu@@@
res. 
    Pour y remédier, nous
allons devoir avoir re@@@
cours à un script.

 

Puis, on remplace le point final d’une phrase avec qqq. Cela indique la fin d’un paragraphe.

 

sed 's/\([[:alpha:]]\)-$/\1@@@/;s/\.$/.qqq/' LeTexte
    Cette phrase est cou@@@
pée en plusieurs césu@@@
res.qqq
    Pour y remédier, nous
allons devoir avoir re@@@
cours à un script.qqq

 

On ajoute un espace à chaque fin de ligne :

 

sed 's/\([[:alpha:]]\)-$/\1@@@/;s/\.$/.qqq/;s/$/ /' LeTexte \
Cette phrase est cou@@@
pée en plusieurs césu@@@ 
res.qqq
Pour y remédier, nous
allons devoir avoir re@@@
cours à un script.qqq 

 

On supprime les sauts de ligne :

 

sed 's/\([[:alpha:]]\)-$/\1@@@/;s/\.$/.qqq/;s/$/ /' LeTexte | tr -d '\n'
Cette phrase est cou@@@ pée en plusieurs césu@@@ res.qqq Pour y remédier, nous allons devoir avoir re@@@ cours à un script.qqq

 

On supprimer les @@@ suivis d’un espace, et on remplace les qqq par deux sauts de ligne :

 

sed 's/\([[:alpha:]]\)-$/\1@@@/;s/\.$/.qqq/;s/$/ /' LeTexte | tr -d '\n' \
| sed 's/@@@ //g;s/qqq /\n\n/g'
Cette phrase est coupée en plusieurs césures.

Pour y remédier, nous allons devoir avoir recours à un script.

SCRIPT FINAL

Code final :

 

#!/bin/bash
xclip -o \
| sed 's/\([[:alpha:]]\)-$/\1@@@/;s/\.$/\.qqq/;s/$/ /' \
| tr -d '\n' \
| sed 's/@@@ //g;s/qqq /\n\n/g' \
| xclip -i
exit

 

Le script est couplé à xclip. Pour l’utiliser, il faut :

 

1 - Copier ce que l’on veut dans le clipboard

2 - Lancer le script

3 - Clic-milieu pour coller